Estou trabalhando com um processo de dois estados com em para
A função de autocorrelação é indicativa de um processo com memória longa, ou seja, exibe um decaimento da lei de energia com um expoente <1. Você pode simular uma série semelhante em R com:
> library(fArma)
> x<-fgnSim(10000,H=0.8)
> x<-sign(x)
> acf(x)
Minha pergunta: existe uma maneira canônica de prever de forma otimizada o próximo valor da série, dada a função de autocorrelação? Uma maneira de prever é simplesmente usar
que tem uma taxa de classificação de , onde é a autocorrelação lag-1, mas eu sinto que deve ser possível fazer melhor levando em consideração a estrutura de memória longa.
time-series
predictive-models
autocorrelation
Chris Taylor
fonte
fonte
fracdiff
Respostas:
Você já tentou "Correntes de Markov de comprimento variável", VLMC O artigo é "Correntes de Markov de comprimento variável: metodologia, computação e software", Martin MACHLER e Peter BUHLMANN, 2004, Journal of Computational and Graphical Statistics, vol. 13, nº 2.
fonte